আমি সার্ভার মনিটরের অ্যালার্ম নিতে এবং সমস্যার মূল কারণ নির্ধারণের জন্য পাইব্রাইন খুঁজছি। আমি তত্ত্বাবধানে পড়াশোনা ব্যবহার করে এবং প্রশিক্ষণের ডেটা সেটগুলি তৈরি করে প্রশিক্ষণ দিয়ে খুশি। ডেটা এমন কিছু কাঠামোযুক্ত:
- সার্ভারের প্রকার A # 1
- অ্যালার্ম টাইপ 1
- অ্যালার্ম টাইপ 2
- সার্ভারের প্রকার A # 2
- অ্যালার্ম টাইপ 1
- অ্যালার্ম টাইপ 2
- সার্ভারের প্রকার বি # 1
- এলার্ম টাইপ 99
- অ্যালার্ম টাইপ 2
সুতরাং এন সার্ভার রয়েছে, এক্স অ্যালার্মের সাথে UPবা হতে পারে DOWN। উভয় nএবং xপরিবর্তনশীল।
সার্ভার ক 1 থাকে বিপদাশঙ্কা 1 & 2 যেমন DOWN, তাহলে আমরা বলতে পারি সেবা একটি যে সার্ভারে ডাউন এবং সমস্যার কারণ।
যদি অ্যালার্ম 1 সমস্ত সার্ভারে ডাউন হয়, তবে আমরা বলতে পারি যে পরিষেবা একটি কারণ is
সম্ভাব্য কারণে একাধিক বিকল্প থাকতে পারে, সুতরাং সোজা শ্রেণিবদ্ধকরণ উপযুক্ত বলে মনে হয় না।
আমি পরে তথ্য সূত্র নেট থেকে টাই করতে চাই। যেমন কিছু স্ক্রিপ্ট যা কিছু বাহ্যিক পরিষেবা পিন করে।
সিরিয়াল পরিষেবা পরীক্ষার কারণে সমস্ত উপযুক্ত অ্যালার্ম একসাথে ট্রিগার নাও হতে পারে, তাই এটি একটি সার্ভার ডাউন এবং তারপরে 5 মিনিট পরে অন্য সার্ভার দিয়ে শুরু করতে পারে।
আমি প্রথমে কিছু প্রাথমিক জিনিস করার চেষ্টা করছি:
from pybrain.tools.shortcuts import buildNetwork
from pybrain.datasets import SupervisedDataSet
from pybrain.supervised.trainers import BackpropTrainer
INPUTS = 2
OUTPUTS = 1
# Build network
# 2 inputs, 3 hidden, 1 output neurons
net = buildNetwork(INPUTS, 3, OUTPUTS)
# Build dataset
# Dataset with 2 inputs and 1 output
ds = SupervisedDataSet(INPUTS, OUTPUTS)
# Add one sample, iterable of inputs and iterable of outputs
ds.addSample((0, 0), (0,))
# Train the network with the dataset
trainer = BackpropTrainer(net, ds)
# Train 1000 epochs
for x in xrange(10):
trainer.train()
# Train infinite epochs until the error rate is low
trainer.trainUntilConvergence()
# Run an input over the network
result = net.activate([2, 1])
তবে আমি [স্থির সংখ্যার ইনপুটগুলিতে অ্যালার্মের পরিবর্তনশীল সংখ্যার ম্যাপিং করাতে একটি কঠিন সময় দিচ্ছি। উদাহরণস্বরূপ, আমরা যদি কোনও সার্ভারে একটি অ্যালার্ম যুক্ত করি বা একটি সার্ভার যুক্ত করি তবে পুরো নেটটি পুনর্নির্মাণ করা দরকার। যদি এটির কিছু করা দরকার হয় তবে আমি এটি করতে পারি তবে এর থেকে আরও ভাল উপায় আছে কিনা তা জানতে চাই।
আমি অন্য একটি বিকল্পের কথা ভাবতে চাইছি, এটি প্রতিটি ধরণের সার্ভারের জন্য আলাদা নেট, তবে আমি কীভাবে পরিবেশ-বিস্তৃত উপসংহারটি আঁকতে পারি তা দেখতে পাচ্ছি না, কারণ এটি কেবল একটি হোস্টের পরিবর্তে কেবল মূল্যায়ন করবে, সমস্ত হোস্ট একবারে।
আমার কোন ধরণের অ্যালগরিদম ব্যবহার করা উচিত এবং ভেরিয়েবল ইনপুট সহ পুরোপুরি পরিবেশ-বিস্তৃত সিদ্ধান্তগুলি আঁকতে আমি কীভাবে ডেটাসেটকে মানচিত্র করব?